medAI Smart Annotate
Annotierungstools für Deep Learning
Es werden neue, effizienterer Annotierungsfeatures für 3D Bilddaten, im speziellen Kopf-, Hals- und Lungen-CT entwickelt, um die Annotierungsgeschwindigkeit zu erhöhen. Zusätzlich sollen Methoden entwickelt werden, um die Genauigkeit der Annotationen zu verbessern und die Variabilität zwischen Expert:innen zu reduzieren.
Die durch den Annotierungsprozess erstellten Daten werden von der FHTW verwendet, um AI-basierte Segmentierungsalgorithmen zu entwickeln, welche dann in großen Stil obere Atemwege automatisch segmentieren. Diese wiederum werden für 3D-Simulationen des Luftstroms verwendet, um den Transport von klinisch aktiven Partikeln (z.B. bei Asthmasprays) zu erforschen und mit einer speziell entwickelten künstlichen Lunge zu validieren.
Project-partners:
Senior Lecturer/Researcher
Team und Besetzung
Projektleitung:
- Matthias Blaickner
Projektmitarbeiter*innen:
- Marius Führer
- Richard Pasteka